如何显示文件新增的内容[实现简单"tail -f"功能]

Freeforce_CN 2017-11-21 02:47:54
目的:想实现简单的tail -f功能,将来用在“监视体积较大的日志”功能上;
我写的代码如下,能编译通过(gcc 版本 4.1.2 20071124 (Rocky 4.1.2-42)),但是并不能实现我想要的功能;
我的测试流程:1,提前准备好程序要监视的文件/home/ll/data(里面已经有内容);2,运行程序;3,在另外一个终端中用vim给/home/ll/data添加若干行;理论上fgets会把新增行打印出来,并把当前位置下移到下一行,然后接着读新行,但并没有,fgets一直返回的是NULL;

主要问题:这个代码问题出现在哪里?用vim修改目标文件/home/ll/data会导致 FILE* fp失效?还是会导致fseek定位失效? 这个程序反映哪方面知识欠缺?求各位告知。
备注:http://blog.csdn.net/gredn/article/details/53862619有类似的参考例子,但是貌似他的这个例子会多次关闭打开文件操作,感觉对于监视大文件(500M以上)会不会影响系统性能?

#include <stdio.h>
#include <string.h>

#define MAX_LEN 1024

int tailf(FILE* fp, char* buf)
{
while(1)
{
sleep(2);//防止打印信息出现过快
memset(buf, 0 ,MAX_LEN);
if(NULL == fgets(buf,MAX_LEN,fp))
{
printf("没有读到新内容\n");
}
else
{
printf("%s", buf);
}
}

return 0;
}

int main(void)
{
char buf[MAX_LEN];
FILE* fp = NULL;
//打开测试文件
if(NULL == (fp = fopen("/home/d5000/sichuan/src/test/ll/data","rb")))
return -1;
//总从最后打开,有新增内容时,程序打印最新内容
if(-1 == fseek(fp, 0, SEEK_END))
return -2;
while(1)
{
tailf(fp, buf);
}
return 0;
}
...全文
249 5 打赏 收藏 转发到动态 举报
写回复
用AI写文章
5 条回复
切换为时间正序
请发表友善的回复…
发表回复
「已注销」 2017-11-22
  • 打赏
  • 举报
回复
虽然我没有看过 tail 的源代码,但是明显 cfjtaishan 说的是对的。这个需要你自己循环的打开关闭文件,但是需要自己记录一个偏移量,二次打开的话,直接偏移到这个位置,如果后面有新增数据,就从这里开始继续读取。
赵4老师 2017-11-21
  • 打赏
  • 举报
回复
tail的源代码又不是搜不到。
自信男孩 2017-11-21
  • 打赏
  • 举报
回复
引用 2 楼 Freeforce_CN 的回复:
[quote=引用 1 楼 cfjtaishan 的回复:] 需要重新打开,因为你在另一个终端里编辑增加的内容,这个终端上打开的文件“感知”不到。
修改文件后 特意用sync 同步过了[/quote] 程序没有重新去读文件的大小呀,所以需要先关闭,然后在打开一次,这样能获取最新的文件大小;
Freeforce_CN 2017-11-21
  • 打赏
  • 举报
回复
引用 1 楼 cfjtaishan 的回复:
需要重新打开,因为你在另一个终端里编辑增加的内容,这个终端上打开的文件“感知”不到。
修改文件后 特意用sync 同步过了
自信男孩 2017-11-21
  • 打赏
  • 举报
回复
需要重新打开,因为你在另一个终端里编辑增加的内容,这个终端上打开的文件“感知”不到。
内容概要:本文围绕基于Basisformer模型的时间序列锂离子电池SOC(State of Charge,荷电状态)预测展开研究,利用PyTorch框架实现深度学习模型的构建与训练。通过将历史充放电数据作为输入,Basisformer能够有效捕捉电池状态的动态变化特征,提升SOC预测精度。文中详细介绍了模型结构设计、数据预处理流程、训练策略及实验结果分析,并与传统方法进行对比,验证了该方法在复杂工况下的优越性与鲁棒性。该研究不仅展示了Basisformer在时序建模中的潜力,也为电池管理系统提供了高精度的状态估计解决方案。; 适合人群:具备一定Python编程基础和深度学习理论知识,熟悉PyTorch框架,从事电池管理系统、新能源汽车或智能预测方向研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于电动汽车、储能系统等领域的电池SOC高精度实时估算;②为电池健康管理(BMS)提供可靠的状态输入;③推动深度学习在时间序列预测中的实际落地,提升现有预测模型的泛化能力与稳定性; 阅读建议:建议读者结合标题为【锂电池SOC估计】【PyTorch】基于Basisformer时间序列锂离子电池SOC预测研究(python代码实现)的资源,重点研读所提供的Python代码,深入理解数据处理方式与模型网络结构的设计思路,尝试调整超参数以观察对预测性能的影响,从而全面掌握Basisformer在时序建模中的优势、适用边界及工程化实现路径。

70,037

社区成员

发帖
与我相关
我的任务
社区描述
C语言相关问题讨论
社区管理员
  • C语言
  • 花神庙码农
  • 架构师李肯
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧